KLASIFIKASI JENIS JAGUNG BERDASARKAN BENTUK BIJI MENGGUNAKAN DETEKSI TEPI CANNY DAN BACKPROPAGATION

Mutmainnah, Kiki Oktivia (2018) KLASIFIKASI JENIS JAGUNG BERDASARKAN BENTUK BIJI MENGGUNAKAN DETEKSI TEPI CANNY DAN BACKPROPAGATION. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_14013442_Kiki Oktivia Mutmainah_IF.pdf Restricted to Registered users only Download (5MB)

Abstract

Mutmainah, Kiki Oktivia. 2018. Klasifikasi Jenis Jagung Berdasarkan Bentuk Biji Menggunakan Deteksi Tepi Canny Dan Backpropagation. Skripsi, Program Studi Teknik Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Gulpi Qorik O.P., S.Pd., M.Kom., (II) Olief Ilmandira R.F., S.Pd., M.Si.

Kata Kunci: Jagung, Pengolahan Citra, Deteksi Tepi Canny, Ekstraksi Fitur, Jaringan Saraf Tiruan, Backpropagation.

Kabupaten Probolinggo merupakan salah satu daerah yang memiliki keanekaragaman varietas komoditas jagung sebagai pilar penghasilan pangan para petani lokal. Beberapa jenis varietas jagung yang populer dibudidayakan di antaranya adalah jagung hibrida, elos, dan sorgum. Meskipun demikian, masyarakat awam kerap mengalami kesulitan dalam mengidentifikasi dan membedakan varietas jagung tersebut secara visual hanya melalui karakteristik bijinya. Penelitian ini bertujuan untuk membangun sebuah aplikasi yang mampu mengklasifikasikan jenis jagung berdasarkan ekstraksi fitur bentuk dan warna biji menggunakan kombinasi metode Deteksi Tepi Canny dan Jaringan Saraf Tiruan (JST) Backpropagation. Metode Canny diterapkan karena memiliki keunggulan dalam menghasilkan garis tepi objek citra yang lebih halus dan reduksi derau (noise) yang lebih optimal dibandingkan metode Robert, Sobel, Prewitt, maupun Laplacian of Gaussian (LoG). Parameter bentuk biji diekstraksi melalui fitur circularity, sedangkan karakteristik warna diukur menggunakan metrik mean (rata-rata) dan skewness (kemiringan distribusi). Dataset yang digunakan dalam penelitian ini terdiri atas 45 data latih (training data) dan 15 data uji (testing data). Hasil pengujian sistem menunjukkan bahwa performa algoritma klasifikasi berhasil mencapai tingkat akurasi sebesar 95% dari total skenario uji coba yang dilakukan. Hasil tersebut membuktikan bahwa integrasi deteksi tepi Canny dan jaringan saraf tiruan backpropagation sangat efektif dan layak diimplementasikan untuk mengenali karakteristik visual varietas biji jagung secara komputerisasi.

Item Type:	Thesis (Other)
Subjects:	S Agriculture > SB Plant culture T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	15 Jun 2026 04:14
Last Modified:	15 Jun 2026 04:14
URI:	https://repository.unuja.ac.id/id/eprint/3583

Actions (login required)

View Item